| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 主要符号说明 | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 故障特征提取与增强 | 第11-13页 |
| 1.2.2 性能退化评估模型 | 第13-15页 |
| 1.3 本文的主要工作及内容安排 | 第15-17页 |
| 第二章 旋转机械故障诊断理论基础 | 第17-32页 |
| 2.1 滚动轴承故障诊断 | 第17-23页 |
| 2.1.1 滚动轴承失效形式及机理 | 第17-18页 |
| 2.1.2 滚动轴承故障特征分析 | 第18-23页 |
| 2.2 齿轮故障诊断 | 第23-27页 |
| 2.2.1 齿轮失效形式及机理 | 第23-24页 |
| 2.2.2 齿轮故障特征分析 | 第24-27页 |
| 2.3 谱峭度 | 第27-31页 |
| 2.3.1 谱峭度原理 | 第28页 |
| 2.3.2 基于谱峭度方法的滚动轴承故障诊断 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 完全自适应第二代小波算法原理与应用 | 第32-49页 |
| 3.1 第二代小波变换 | 第32-38页 |
| 3.1.1 基于插值细分的第二代小波变换原理 | 第32-34页 |
| 3.1.2 基于等效滤波器的第二代小波预测器与更新器计算方法 | 第34-36页 |
| 3.1.3 基于第二代小波的故障诊断 | 第36-38页 |
| 3.2 完全自适应第二代小波 | 第38-41页 |
| 3.2.1 预测算子与更新算子系数约束条件 | 第38-39页 |
| 3.2.2 适应度评价函数 | 第39页 |
| 3.2.3 变染色体长度协同进化算法及提升算子设计 | 第39-41页 |
| 3.3 实验数据分析 | 第41-44页 |
| 3.3.1 22NU15EC滚动轴承外圈故障数据 | 第41-43页 |
| 3.3.2 辛辛那提外圈故障数据 | 第43-44页 |
| 3.4 工程实际应用 | 第44-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于自回归模型和自联想神经网络的齿轮性能退化评估 | 第49-59页 |
| 4.1 自回归时序模型 | 第49页 |
| 4.2 自联想神经网络 | 第49-51页 |
| 4.3 故障评估模型 | 第51-52页 |
| 4.3.1 故障程度指标 | 第51-52页 |
| 4.3.2 报警阈值 | 第52页 |
| 4.4 实验数据分析 | 第52-58页 |
| 4.4.1 不同故障程度齿轮实验数据 | 第52-54页 |
| 4.4.2 齿轮全寿命实验数据 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于EEMD和核马氏距离的滚动轴承性能退化评估 | 第59-68页 |
| 5.1 马氏距离与核马氏距离 | 第59-61页 |
| 5.1.1 马氏距离 | 第59-60页 |
| 5.1.2 核马氏距离 | 第60-61页 |
| 5.2 核空间马氏距离的性能退化评估模型 | 第61-63页 |
| 5.2.1 EEMD故障特征提取 | 第61-62页 |
| 5.2.2 故障程度指标及自适应报警阈值 | 第62-63页 |
| 5.3 实验数据分析 | 第63-66页 |
| 5.3.1 不同故障程度轴承实验数据 | 第63-65页 |
| 5.3.2 轴承全寿命实验数据 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-71页 |
| 6.1 全文工作总结 | 第68-69页 |
| 6.2 主要创新点 | 第69页 |
| 6.3 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 个人简历 在读期间发表的学术论文 | 第75-76页 |
| 致谢 | 第76页 |
